• The Journal of the Acoustical Society of Korea
• /
• 제15권3E호
• /
• pp.4-12
• /
• 1996

In this study, we examine the applicability of an artificial neural network(ANN) for filtering underwater random noise and for identifying underlying signals taken from noisy environment. The approach is to find a way of compressing the input data and then decompressing it using an ANN as in image compressing process. It is well known that random signal is hard to compress while ordered information is not. The use of a limited number of processing elements(PEs) in the hidden layer of an Ann ensures that some of the noise would be removed in the reconstruction process. Two types of the signals, synthesized and measured, are used to examine the effectiveness of the ANN-based filter. After training process is completed, the ANN successfully extracts the underlying signals form the synthesized or measured noisy signals. In particular, compared with the results form without filtering or moving averaged, the ANN-based filter gives much better spectrograms to identify underlying signals from the measured noisy data. This filtering process is achieved without using and kind of highly accurate signal processing technique. More experimentation needs to be followed to develop the ANN-based filtering technique to the level of complete understanding.

• 응용통계연구
• /
• 제20권1호
• /
• pp.147-157
• /
• 2007

에지검출은 컴퓨터비전과 영상처리 시스템에서 널리 사용되는 단계이다. 본 논문에서는 잡음영상에서 효율적인 에지검출을 위해 이표본 위치 문제에서 월콕슨 검정의 대안인 로버스트 순위-순서 검정에 기초한 새로운 검출법을 제안하였다. 제안된 방법은 $\delta$-에지모형하에서 $5\times5$ 윈도우의 부분 픽셀만으로 구성된 근방영역 간에 통계적으로 유의한 차이가 있는지를 조사하였다. 제안된 에지 검출법의 성능을 평가하기 위해 실제영상과 인조영상을 가지고 영상실험을 통하여 얻은 에지맵과 객관적인 척도하에서 양적으로 비교 분석하였다.

• 대한전자공학회논문지SP
• /
• 제49권1호
• /
• pp.97-103
• /
• 2012

본 논문에서는 잡음환경에서 효과적인 음성을 검출하기 위한 새로운 음성 검출 (VAD, voice activity detection) 알고리즘을 제안한다. 통계적 모델에 기반의 Likelihood ratio (LR)를 통하여 도출되는 전역 음성부재확률 (GSAP, global speech absence probability)은 음성검출을 위한 피쳐 (feature) 파라미터로 널리 적용되고 있다. 하지만 신호 대 잡음 비 (SNR, signal-to-noise ratio)가 낮은 잡음환경에서는 정확한 GSAP 추정이 어려운 문제점을 가지고 있다. 따라서 제안된 방법에서는 잡음환경에서 강인한 VAD 알고리즘을 위하여 Teager energy (TE) 기반의 GSAP를 피쳐 파라미터로 적용한다. 제안된 알고리즘은 기존의 방법과 객관적인 실험을 통해 비교 평가한 결과 다양한 배경잡음 환경에서 향상된 성능을 보였다.

• 대한전자공학회논문지SP
• /
• 제41권3호
• /
• pp.147-153
• /
• 2004

본 논문에서는 원영상과 잡음영상에서 Waerden 통계량을 이용하여 효율적인 에지 검출을 제안한다. 에지는 영상의 밝기값이 낮은 값에서 높은 값으로 또는 높은 값에서 낮은 값으로 급격히 변하는 경계에 존재한다. 통계적 에지 검출 방법으로 통계가설 검정인 비모수 Wilcoxon 검정과 모수 T검정을 설명한다. 특정한 유의수준 α 에 의해 결정되어 지는 임계값을 사용하며, 반면 Bovik, Huang 과 Munson 은 임계값에 대한 검정 통계량의 가능한 범위를 생각한다. 에지 검출의 실험 결과로부터 T와 Wilcoxon 방법은 잡음 영상에 민감하게 반응하는데 반하여 제안한 Waerden 방법은 유의수준 α=0.0005 에서 잡음영상과 잡음이 없는 영상 모두에서 로버스트 하다. 통계적인 검정 방법들과 Sobel, LoG, Canny연산자를 이용한 에지검출 방법을 비교해보면, Waerden 방법이 잡음 영상과 잡음 없는 영상 모두에 훨씬 더 효율적으로 에지를 검출한다.

• 전자공학회논문지 IE
• /
• 제45권3호
• /
• pp.13-19
• /
• 2008

본 논문은 신뢰할 수 있는 에지 방향을 이용한 새로운 IPC(Interlace to Progressive Conversion) 방법을 제안한다. 기존의 IPC에 사용되는 ELA(Edge Line based Average) 알고리즘들은 잡음에 대한 고려가 없이 보간하고자 하는 에지 방향의 화소들을 선형보간 한다. 그러나 영상에 잡음이 존재할 경우, 잡음에 의해 잘못된 에지 방향을 찾아 열화된 영상을 얻을 수 있다. 본 논문에서 제안하는 방법은 기존 ELA 알고리즘이 잡음 영상에서 IPC할 때 생기는 문제점을 개선하는 알고리즘이다. 먼저 잡음을 제거하는 필터링과 동시에, 잡음이 없는 원화소의 색상 크기와 잡음의 크기를 추정한다. 이에 따라 잡음의 크기를 고려하여 ELA 방법과 수직보간 방법에 가중치를 주어 보간 값을 구한다. 이 후 잡음이 존재할 경우 포스트 필터링(Post Filtering)을 거쳐 잔재해 있는 잡음을 제거해준다. 실험결과에서 제안하는 알고리즘이 기존 ELA 알고리즘들 보다도 약 $1{\sim}2$ dB 향상된 결과를 보인다.

• 전자공학회논문지CI
• /
• 제41권2호
• /
• pp.95-102
• /
• 2004

제안된 경험 유관 축적 신경회로망은 입력 패턴의 교육 회수를 누적시킬 수 있는 구조를 가지고 있어, 누적된 교육을 통한 공통된 경험에 대해서는 강한 반응을 보이는 주의 집중 기능을 가진다. 그리고 잡음이 많은 패턴에 대하여 선행처리 과정을 거치지 않고 바로 교육을 시켜도 상대적으로 유용한 정보를 누적시켜 일반화 패턴을 추출할 수 있다 본 논문에서는 추가 교육 뿐만 아니라 반복 교육도 가능한 경험 유관 축적 신경회로망 모델을 제안하고, 이 신경회로망이 가지는 기본 특성인 망각 및 주의 집중기능에 대하여 기술하였으며, 또한 교육된 정보로부터 일반화 패턴의 추출 과정과 일반화 패턴의 생성 및 반복교육에 관한 것을 기술하였다.

• Journal of information and communication convergence engineering
• /
• 제19권4호
• /
• pp.234-240
• /
• 2021

As the number of pet dog-related businesses is rising rapidly, there is an increasing need for reliable pet dog health information systems for casual pet owners, especially those caring for older dogs. Our goal is to implement a mobile pre-diagnosis system that can provide a first-hand pre-diagnosis and an appropriate coping strategy when the pet owner observes abnormal symptoms. Our previous attempt, which is based on the fuzzy C-means family in inference, performs well when only relevant symptoms are provided for the query, but this assumption is not realistic. Thus, in this paper, we propose a hybrid inference structure that combines fuzzy association memory and a double-layered fuzzy C-means algorithm to infer the probable disease with robustness, even when noisy symptoms are present in the query provided by the user. In the experiment, it is verified that our proposed system is more robust when noisy (irrelevant) input symptoms are provided and the inferred results (probable diseases) are more cohesive than those generated by the single-phase fuzzy C-means inference engine.

• ETRI Journal
• /
• 제37권1호
• /
• pp.77-87
• /
• 2015

In wireless networks, cooperation is necessary for many protocols, such as routing, clock synchronization, and security. It is known that cooperator nodes suffer greatly from problems such as increasing energy consumption. Therefore, rational nodes have no incentive to cooperatively forward traffic for others. A rational node is different from a malicious node. It is a node that makes the best decision in each state (cooperate or non-cooperate). In this paper, game theory is used to analyze the cooperation between nodes. An evolutionary game has been investigated using two nodes, and their strategies have been compared to find the best one. Subsequently, two approaches, one based on a genetic algorithm (GA) and the other on learning automata (LA), are presented to incite nodes for cooperating in a noisy environment. As you will see later, the GA strategy is able to disable the effect of noise by using a big enough chromosome; however, it cannot persuade nodes to cooperate in a noisefree environment. Unlike the GA strategy, the LA strategy shows good results in a noise-free environment because it has good agreement in cooperation-based strategies in both types of environment (noise-free and noisy).

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 1999년도 춘계종합학술대회
• /
• pp.109-112
• /
• 1999

Image segmentation is the critical first step in image information extraction for computer vision systems. Clustering methods have been used extensively in color image segmentation. Most analytic fuzzy clustering approaches are divided from the fuzzy c-means(FCM) algorithm. The FCM algorithm uses fie probabilistic constraint that the memberships of a data point across classes sum to 1. However, the memberships resulting from the FCM do not always correspond to the intuitive concept of degree of belonging or compatibility. Moreover, the FCM algorithm has considerable trouble under noisy environments in the feature space. Recently, a possibilistic approach to clustering(PCM) for solving above problems was proposed. In this paper, we used the PCM for color image segmentation. This approach differs from existing fuzzy clustering methods for color image segmentation in that the resulting partition of the data can be interpreted as a possibilistic partition. So, the problems in the FCM can be solved by the PCM. But, the clustering results by the PCM are not smoothly bounded, and they often have holes. The region growing was used as a postprocessing after smoothing the noise points in the pixel seeds. In our experiments, we illustrate that the PCM us reasonable than the FCM in noisy environments.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제9권9호
• /
• pp.3559-3571
• /
• 2015

This paper addresses the problem of signal acquisition with a sparse representation in a given orthonormal basis using fewer noisy measurements. The authors formulate the problem statement for randomly measuring with strong signal noise. The impact of white Gaussian signals noise on the recovery performance is analyzed to provide a theoretical basis for the reasonable design of the measurement matrix. With the idea that the measurement matrix can be adapted for noise suppression in the adaptive CS system, an adapted selective compressive sensing (ASCS) scheme is proposed whose measurement matrix can be updated according to the noise information fed back by the processing center. In terms of objective recovery quality, failure rate and mean-square error (MSE), a comparison is made with some nonadaptive methods and existing CS measurement approaches. Extensive numerical experiments show that the proposed scheme has better noise suppression performance and improves the support recovery of sparse signal. The proposed scheme should have a great potential and bright prospect of broadband signals such as biological signal measurement and radar signal detection.